卷积神经网络如何提取特征的？

整理一些网友的贴子和博客，供自己学习用，感谢~
用文氏图来理解卷积神经网络如何决定提取哪些特征：

https://blog.csdn.net/kane7csdn/article/details/84890592

为什么卷积能够提取图像的特征？看完此文应该能够给你一个答案：

https://blog.csdn.net/charleswangzi/article/details/82733016

浅析卷积神经网络为何能够进行特征提取：

https://blog.csdn.net/weixin_42078618/article/details/83895555

cnn卷积核参数如何确定_CNN(卷积神经网络)卷积核的特征提取：

https://blog.csdn.net/weixin_30066287/article/details/112118576

卷积神经网络怎样获得softmax层前的特征输出?：

https://www.zhihu.com/question/459938742/answer/1891865776

迁移学习之利用keras预训练网络提取图片特征:

https://blog.csdn.net/qq_31207499/article/details/84294790

【keras系列】学习笔记一
其中：
1、如何已经把模型下载到本地

模型已经下载，不再每次从网站进行加载，可以修改以下内容。

WEIGHTS_PATH = 'https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels.h5'
WEIGHTS_PATH_NO_TOP = 'https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5'

weights_path = get_file('vgg16_weights_tf_dim_ordering_tf_kernels.h5',
                          WEIGHTS_PATH,
                          cache_subdir='models')
weights_path = get_file('vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5',
                                    WEIGHTS_PATH_NO_TOP,
                                    cache_subdir='models')

https://blog.csdn.net/u011511601/article/details/80621511

神经网络第三篇：输出层及softmax函数：

https://blog.csdn.net/u012132349/article/details/86698193

深度学习-CNN提取图像特征：

https://blog.csdn.net/qq_30815237/article/details/86703620?ops_request_misc=&request_id=&biz_id=102&utm_term=%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96&utm_medium=distribute.pc_search_result.none-task-blog-2_allsobaiduweb~default-2-86703620.nonecase&spm=1018.2226.3001.4187

【初级】使用 Python 从图像数据中提取特征：
提取边缘特征，包括水平边缘和竖直边缘

https://www.jianshu.com/p/612fdd882eed

机器学习实战13-卷积神经网络：

https://blog.csdn.net/qq_30815237/article/details/89040284

CNN基础二：使用预训练网络提取图像特征:

https://www.cnblogs.com/inchbyinch/p/11980247.html

可视化VGG19类激活热力图：

https://zhuanlan.zhihu.com/p/59512926

Keras:使用预训练模型迁移学习单通道灰度图像：

https://blog.csdn.net/qq_15969343/article/details/84673541

Keras 的预训练权值模型用来进行预测、特征提取和微调（fine-tuning）：

https://blog.csdn.net/weixin_39506322/article/details/88640679

keras搭建模型训练教程：

https://zhuanlan.zhihu.com/p/58859997

利用卷积神经网络(VGG19)实现火灾分类(附tensorflow代码及训练集) ：

https://www.cnblogs.com/vipyoumay/p/7884472.html

【深度学习实战02】——VGG网络提取输入图像的特征并显示特征图：

https://blog.csdn.net/c20081052/article/details/80207906

Keras:使用预训练模型迁移学习单通道灰度图像：

https://blog.csdn.net/qq_15969343/article/details/84673541

VGG网络提取单通道图像特征：
可以把灰度图宽展成3通道的彩图，既把灰度图3层叠加（也可以使用其他办法），然后再有现有的VGG模型，再微调应该就可以来；
或者你参考VGG模型，重新自定义一个对应于单通道图片的网络模型重新训练。